Análisis de patrones de puntos
Diego Hernangómez
2022-01-24
0.1 Análisis de patrones de puntos
GEMA: CAMBIA LO QUE CONSIDERES, QUE DE TODO ESTO NO TENGO NI IDEA
Las técnicas de análisis de patrones de puntos analizan la distribución de eventos geolocalizados que surgen al azar. La diferencia fundamental con otros análisis que comprenden también el uso de localizaciones (como las temperaturas mínimas medidas por estaciones meteorológicas) es que en este caso los puntos representan eventos conocidos y aleatorios (por ejemplo, los crímenes ocurridos en una ciudad, accidentes de tráfico o incendios en una región). A diferencia de otros eventos, como el ejemplo de las temperaturas mínimas, la ausencia de datos no se debe a la ausencia de medición (e.g. no existe una estación meteorológica en ese lugar), si no a que no se ha producido el evento en dicha localización.
Objetivo de aprendizaje:
El alumno debe ser capaz de conocer los datos de tipo patrones de punto, identificarlos y representarlos adecuadamente.
Tarea 1: Abrimos RStudio
El presente análisis se va a realizar empleando RStudio, por lo que empezaremos abriendo el programa y creando un nuevo script de R en Proyecto>File>New File>R script.
Tarea 2: Importamos y describimos los datos objeto de estudio
El primer paso consiste en importar la base de datos de accidentes de tráfico en
la ciudad de Madrid para el año 2020 (Portal de datos abiertos del Ayuntamiento
de
Madrid).
El archivo está en formato csv, por lo que usaremos el paquete readr para
importar los datos:
library(readr)
library(dplyr)
# En este caso el archivo está en la carpeta "data" de nuestro proyecto
accidentes2020 <- read_delim("data/2020_Accidentalidad.csv",
# Configuración adicional
delim = ";",
locale = locale(decimal_mark = ",", grouping_mark = "."),
col_types = cols(
num_expediente = col_character(),
fecha = col_date(format = "%d/%m/%Y")
),
na = "NULL"
)
summary(accidentes2020)
#> num_expediente fecha hora localizacion
#> Length:32427 Min. :2020-01-01 Length:32427 Length:32427
#> Class :character 1st Qu.:2020-03-01 Class1:hms Class :character
#> Mode :character Median :2020-07-19 Class2:difftime Mode :character
#> Mean :2020-07-07 Mode :numeric
#> 3rd Qu.:2020-10-22
#> Max. :2020-12-31
#>
#> numero distrito tipo_accidente estado_meteorológico
#> Length:32427 Length:32427 Length:32427 Length:32427
#> Class :character Class :character Class :character Class :character
#> Mode :character Mode :character Mode :character Mode :character
#>
#>
#>
#>
#> tipo_vehiculo tipo_persona rango_edad sexo
#> Length:32427 Length:32427 Length:32427 Length:32427
#> Class :character Class :character Class :character Class :character
#> Mode :character Mode :character Mode :character Mode :character
#>
#>
#>
#>
#> lesividad coordenada_x_utm coordenada_y_utm positiva_alcohol
#> Min. : 1.000 Min. :429069 Min. :4463495 Length:32427
#> 1st Qu.: 7.000 1st Qu.:439962 1st Qu.:4471803 Class :character
#> Median :14.000 Median :441917 Median :4475026 Mode :character
#> Mean : 9.862 Mean :442218 Mean :4474898
#> 3rd Qu.:14.000 3rd Qu.:444328 3rd Qu.:4477652
#> Max. :77.000 Max. :454624 Max. :4488100
#> NA's :14796
#> positiva_droga
#> Mode:logical
#> TRUE:82
#> NA's:32345
#>
#>
#>
#> Q1. ¿Qué información contiene nuestros datos?
Este archivo contiene en total 32.427 registros, y proporciona 17 campos asociados a cada registro. Los metadatos de esta información están disponibles en el Portal de datos abiertos del Ayuntamiento de Madrid.
Entre los campos disponibles, podemos destacar los siguientes:
distrito: Nos proporciona el distrito de Madrid en el que se produjo el accidente.fecha: En la que se produjo el accidente.coordenada_x_utm,coordenada_y_utm: Son las coordenadas en las que se produjo el accidente.
Q2: ¿En qué CRS se encuentran las coordenadas?
Si nos fijamos, las coordenadas no parecen corresponder con longitudes o latitudes, ya que como se explicó el rango posible de valores es \([-180, 180]\) (para longitudes) y \([-90, 90]\) (para latitudes):
| coordenada_x_utm | coordenada_y_utm |
|---|---|
| 444597.8 | 4475156 |
| 444597.8 | 4475156 |
| 447710.6 | 4477156 |
| 447710.6 | 4477156 |
| 445076.3 | 4478372 |
| 445076.3 | 4478372 |
Tenemos una indicación en el propio nombre de la variable: “UTM” se corresponde con las siglas de “Universal Transverse Mercator,” otra proyección muy utilizada en GIS. En la página web del Ministerio de Agricultura, Pesca y Alimentación podemos comprobar los códigos EPSG habitualmente empleados en la cartografía de España, entre la que se incluyen varias proyecciones UTM.
Como nota, el sistema geodésico de referencia oficial en España es el sistema ETRS891, y el huso UTM de Madrid es el 30 N2, por lo que vamos a probar con el código EPSG 25830, que corresponde con la proyección ETRS89 / UTM zone 30N:
library(sf)
# Objeto sf sin CRS
accidentes2020_sf <- st_as_sf(
accidentes2020,
coords = c(
"coordenada_x_utm",
"coordenada_y_utm"
),
crs = st_crs(25830)
)
# Comprobamos con la geometría de Madrid
library(mapSpain)
library(ggplot2)
madrid <- esp_get_munic(munic = "^Madrid$") %>%
st_transform(25830)
# Usamos imagen como mapa de fondo
tile <- esp_getTiles(madrid, "IDErioja", zoommin = 2)
ggplot() +
layer_spatraster(tile) +
geom_sf(
data = accidentes2020_sf,
col = "blue",
size = 0.3,
alpha = 0.3
)
Figure 1: Accidentes de Tráfico en Madrid (2020)
Q3: ¿Hay algún patrón en la ocurrencia de accidentes de tráfico?
En la figura 1 podemos intuir ciertos patrones en la ocurrencia de accidentes. Por ejemplo, apenas se producen accidentes en la Casa de Campo o en el Monte del Pardo, y parece observarse cierta concentración en las autopistas de salida de la ciudad
Para el siguiente análisis, vamos a analizar el patrón de accidentes en el mes de febrero.
acc_feb <- accidentes2020_sf %>%
filter(
fecha >= "2020-02-01",
fecha < "2020-03-01"
)
ggplot() +
layer_spatraster(tile) +
geom_sf(
data = accidentes2020_sf,
col = "blue",
size = 0.3,
alpha = 0.3
)